因为我们之前讲过mineru他默认是不支持多级标题的，所以文档转换成markdown之后，就都会变成1级标题。
虽然官方给出过一个解决方案：https://github.com/opendatalab/MinerU/discussions/3135
但是我实测下来他效果并不好，因为他是通过模型来判断标题的字符大小来决定标题层级的，效果并不好。我实测之后他没有都识别成1级标题了，但是都给我识别成2级标题了。。。。
所以我们需要自己想办法解决。我们遇到过类似的情况，解决办法给大家分享下。
1、如果pdf中原来带目录的话，我们可以基于他的目录做解析
2、如果pdf中不带目录，但是带书签（有些文档把书签当目录用），那么我可就可以基于书签做解析。
比如我们示例中用的智界R7的用户手册，他就是后面这种，文档打开是这样的：
可以看到他的书签就和他的标题几乎是对应的，并且也有层级结构。所以我们没有借助它来做。
首先，我们需要先导出一份书签，实测wps就可以，但是需要windows版才行，mac不支持。
（下图来自官方文档）
按照如图操作，导出标签。如下：
这里面有标题结构。
然后通过代码脚本，处理我们使用mineru基于pdf处理过的md文件：
#!/usr/bin/env python3
## -*- coding: utf-8 -*-
""
基于 XML 书签定义的目录结构，处理 Markdown 文件中的一级标题：
规则：
1.
2.
例如 INDENT
3.
""
from
import
import
import
import
import
from
from
def
解析 XML 书签文件，返回
若同一标题在书签中以不同 INDENT 多次出现，则选取出现次数最多的 INDENT；
若并列，则取最小（即更靠近顶层）的等级。
tree
root
name_indents
name
indent_str
indent
name_indents
title_level
counter
most_common_count
candidates
title_level
## 匹配一级标题：以 "# " 开头，且不是 "## "、"### " 等
H1_PATTERN
def
md_path
title_level
output_path
)
处理 Markdown 文件，按规则修改一级标题。
返回
lines
total_h1
matched
demoted
new_lines
in_code_block
code_fence_re
in_code_block
new_lines
new_lines
total_h1
title
level
level
new_line
new_lines
matched
new_lines
demoted
new_lines
f
def
parser
description
default_dir
parser
default
parser
default
default_dir
parser
default
args
out_path
base
out_path
title_level
total_h1
if
运行后，得到一个新的md文件，其中的标题就是有多级标题的了：
https://nfturbo-file.oss-cn-hangzhou.aliyuncs.com/llm/MinerU_markdown_r7-product-manual-20250123_2028781865782407168.processed.md
效果如下：
